什么时候要用BP神经网络？
当样本数量<自变量+1的时候，这个时候我们不太适合用回归
可以用BP神经网络
当因变量有多个时，一般我们做回归都只有一个因变量
当因变量有多个可以考虑用神经网络
神经网络的操作步骤：
一个例题：
导入数据：
Y是已知的因变量，这里是辛烷值
X是已知的自变量，这里是吸光度
new_X是需要预测出因变量的自变量
打开工具箱，进行参数设置：
这里Samples are的参数设置需要看下Summary，开描述是否跟我们想的一致
这里是设置训练组，验证组，测试组的比例，一般不用改
这里是设置训练的时候神经元个数的，一般如果我们训练的情况不合理可以改改
这里是选择训练方法的，一般第二种方法贝叶斯正则化是最好的，但是时间也比较长
结果分析
保存结果：
第一个是生成的模型
第三个是拟合值
第四个是真实值和拟合值的一个差额
如果出现下面的错误：
这个说明输入的自变量矩阵是行向量还是列向量每处理好
写论文时候的具体步骤：
解释一下神经网络的原理
在论文中说明一下注意到看过拟合的现象，然后多次训练，得到最优结果
标签：因变量,这里,建模,----,神经网络,BP,拟合,自变量 From： https://www.cnblogs.com/cilinmengye/p/17621814.html